基于RBF神經網絡和遺傳算法的超聲速Licher雙翼優化設計研究

摘要：基于Busemann雙翼的設計方法,采用徑向基函數神經網絡(Radial-Basis Function Neural Network,RBFNN)和基于遺傳算法(Genetic Algorithm,GA)的優化技術對Licher雙翼進行了優化設計以提高設計馬赫數情況下的升阻比。通過計算流體力學(Computational Fluid Dynamics,CFD)方法在無黏性和黏性模式下對優化設計結果進行了驗證。結果表明,與典型的Busemann雙翼相比,優化后的雙翼構型在無黏模擬情況下的升力和升阻比分別提高了27.3%和27.4%,黏性模擬情況下則提升了近60%和40%,表明本文采用的方法對于將雙翼構型應用于未來超聲速運輸機領域具有很大的潛力。